Hype Cycle para IA generativa 2025: principais inovações em destaque

Grandes modelos de linguagem (LLMs), pré-treinados em dados, permanecem como a base fundamental da IA generativa e representam a tecnologia de modelo mais madura no Hype Cycle.

Esses modelos de base de uso geral podem ser personalizados para uma ampla variedade de casos de uso e oferecem capacidades significativas, daí sua proeminência. No entanto, outros tipos de modelos, como LLMs de código aberto, modelos de IA generativa específicos de domínio e modelos de raciocínio amplo (LRMs), estão evoluindo rapidamente para opções viáveis para organizações. 

Exemplo de tecnologia: IA generativa multimodal

À medida que as organizações se preparam para escalar programas de IA generativa, a capacidade de criar, governar e personalizar aplicações impulsionadas por IA generativa se torna crítica.

A engenharia de IA abrange um ecossistema crescente de ferramentas e técnicas de IA generativa que permite às organizações garantir que as aplicações impulsionadas por IA generativa ofereçam suporte para a estratégia mais ampla da organização.

Essas ferramentas oferecem modelos eficazes de orquestração de aplicações, reduzem alucinações, minimizam a desinformação e garantem a conformidade regulatória. A engenharia de IA também inclui um grupo de ferramentas e técnicas focadas em garantir o uso seguro e eficiente da IA. 

Exemplo de tecnologia: AI TRiSM

Assistentes virtuais de IA generativa, como, por exemplo, o ChatGPT, aproveitam LLMs para oferecer funcionalidades que vão além da tecnologia tradicional de IA conversacional e representam os exemplos mais conhecidos de IA generativa em uso atualmente. 

A longo prazo, as organizações desejam usar agentes de IA para automatizar processos complexos de várias etapas e em escala para aumentar a produtividade, reduzir os custos operacionais e melhorar a experiência do cliente.

A IA agêntica, que vem despertando um interesse crescente, utiliza técnicas de IA de forma autônoma ou semiautônoma para perceber, tomar decisões, desempenhar tarefas e alcançar objetivos em ambientes digitais ou físicos.

A mudança de chatbots de IA passivos para IA agêntica marca uma mudança fundamental na maneira como as organizações interagem com sistemas de IA, extraindo valor comercial. 

Exemplo de tecnologia: IA incorporada

A evolução da IA generativa depende de uma combinação de novas técnicas e práticas de IA estabelecidas e fundamentais. Inovações como o aprendizado autossupervisionado, que reduz a necessidade de grandes quantidades de dados de treinamento rotulados, fornecem soluções para problemas práticos no espaço da IA generativa.

Atualmente, o aprendizado autossupervisionado está envolvido principalmente em casos de uso como direção autônoma e diagnóstico médico, mas um número crescente de setores já começou a experimentar a tecnologia.

A infraestrutura especializada também está ganhando interesse por sua função no treinamento de modelos e no processo de inferência. Chips e ferramentas especializadas de IA podem ajudar a aumentar a eficiência e reduzir os custos associados.

Exemplo de tecnologia: Supercomputação baseada em IA